智能化光伏電站運維面臨困局 如何改進？

    光伏電站的建設期在半年左右，而運維期長達25年之久。如今，電站運維從依靠人員值守、電站巡檢（傳統運維），開始向數據分析、智能檢測（智能運維）轉變。

    隨著光伏電站規模高速增長，其后期運維市場也在不斷擴大，電站運維方式不斷更新，運維效率持續提高。

    相較于傳統的運維人員無法及時發現問題，對電站設備不能進行精準維護這些問題，智能電站通過大數據、云計算等新技術對電站設備實時監控，數據分析，可以在第一時間內發現問題，大幅度提高了光伏電站的發電效率。

    在市場需求與技術趨勢的共同作用之下，智能化運維光伏電站已經站上風口。國內不少光伏企業已經聞風而動，開始搶占智能運維市場。例如率先開展智能運維服務的北京金鴻泰科技有限公司，就結合了線上大數據、云計算等先進的智能診斷技術和線下專業的檢測、運維團隊，推出了光伏電站群綜合監控運行管理系統。該系統形成了有技術支撐的智能化運維，實現了光伏電站的建設可控化、管理精細化、運維集控化、站端少人化、決策數字化以及發電潛力最大化。

    2017年11月23日，第二屆光伏發電運營及后服務研討會在北京召開。會議上，青島薩納斯新能源科技有限公司（以下簡稱“薩納斯”）總經理耿文強，黃河上游水電開發有限責任公司海南新能源發電部副總經理劉啟棟作為嘉賓，對智能電站運維內容展開了精彩對話。

    智能電站運維蓬勃興起

    光伏電站運維是太陽能發電系統運行維護的簡稱，以系統安全為基礎，通過預防性維護以及定期的設備性能測試等手段，對電站進行科學管理。確保整個光伏發電系統安全、穩定、高效運行，保證投資者的收益匯報，同時也是電站交易、再融資的基礎。

    智能電站運維基于大數據、云計算等技術，通過軟件開發系統，對光伏電站實施線上數據監控、線下專業管理運維。例如：薩納斯借助大數據平臺與運維管理系統，依托大數據Spark架構的分布式處理思想，實現人財物聯動，對于故障恢復各環節進行后評價支撐，保障故障修復的及時率。精準分類、評價，各個環節處理時間周期，各個環節損失電量，對各個環節工作效率進行量化。

    對此，耿文強舉例：“巴彥淖爾電站以組串級修復為例，基于組串實時預警精細化分析，將故障從發生到恢復的時間進行分解，將故障恢復的責任及故障監督重點放在占用時間上；耽誤故障恢復時間最長的部門，通過采取有針對性合理措施，縮短故障恢復時間。通過故障數據平臺，展現各部門處理時長，提高部門協同處理故障能力，縮短故障恢復時長約7%，使得故障損失發電量相應減少2%左右”。

    劉啟棟表示，“光伏發電項目規模越來越大，電站巡檢工作的復雜性也逐漸增強，在此種類型電站項目進行巡檢工作時，常規的人工巡檢方式不僅需要耗費大量人工及時間成本，同時巡檢人員也存在一定的危險性，導致電站設備巡檢不及時”。

    眼下仍存在缺點

    盡管智能電站運維能夠提高光伏電站的發電效率，但也有其自身弊端。甚至可以說，在光伏電站快速發展的背景下，我們不應該過于依賴高新技術，應當與線下運維人員相結合，實現光伏電站運維監測效果最大化。

    耿文強表示，雖然25年的電站維護期，數字化、智能化被認為是最高效的運營手段。然而從目前的行業現狀來看，在效率提升方面并不明顯，且實際利用率比較低，不能很好地進行運維指導。

    他指出，當下，智能電站運維存在以下幾點問題：“智能電站運維存在數據匹配度低，（其中包括：穩定性、有效性、數據量）；電站的應用率低，無形增加運維人員的工作量、信息不匹配、重復內容多；提升效果不明顯，智能電站運維展示性強、實用率較低�！�

    劉啟棟表示，“智能電站運維從導航到缺陷報警通過軟件設置比較容易做到，但現場的維護還需要人員處理；比如，保險熔斷的更換，電池組件的遮擋，碎片丟失等狀況，更加需要工作人員實際操作。”

    如何改進？

    進一步完善智能電站運維，光伏電站的發電效率才能更大化。

    對此，耿文強提出幾點建議：

    1.數字化電站需要統一標準；從設備端、采集端、精度端形成統一，其中包括發電效率、設備對比、電站對比、人員配備、電站損耗等標準的制定。

    2.電站數據需要進一步增加透明度；通過統計數據信息、發電信息、運行信息以及故障等信息與現場勘測檢測數據及時反饋到集控平臺，發現故障可以迅速給予指導。

    3.設備預警體系需要進一步提高效率；人工巡檢轉變為系統自動判斷，準確、及時發現故障，確保整個電站無隱蔽性故障，實現電站無死角運維。

    4.將歷史數據與實時數據進行互聯；對歷史數據積累分析，對實時數據提取篩選，存儲在大型數據庫中，形成經驗和案例庫，為運營服務作支撐，讓數字化指導精細化運維。

    耿文強補充道，數字化應該與實際電站運營相結合，通過軟件開發確保數字化實施，并對運營的現場實施長期監盤跟蹤，將有關運維中的痛點問題通過數據挖掘出來，有效引導管控。